基于快速鲁棒特征集合统计特征的图像分类方法.pdfVIP

JournalofComputerApplications ISSN 1oo1—9081 2015．01．10 计算机应用，2015，35(1)：224—230 CODENJYIIDU http：／／www．joca．cn 文章编号：1001．9081(2015)Ol-0224-07 doi：10．11772／j．issn．1001—9081．2015．O1．0224 基于快速鲁棒特征集合统计特征的图像分类方法 王 澍 ，吕学强 ，张 凯 ，李 卓 (1．北京信息科技大学 网络文化与数字传播北京市重点实验室，北京100101；2．北京市朝阳区市政市容管理委员会交通运行协调指挥中心，北京 100021) (十通信作者电子邮箱wangshu．skyridelO8@gmail．coln) 摘 要：针对现有利用快速鲁棒特征(SURF)进行图像分类的方法中存在的效率低、正确率低的问题，提出一种 利用图像 SURF集合的统计特征进行图像分类的方法。该方法将 SURF的各个维度及尺度信息视为各 自独立的随机 变量，并利用拉普拉斯响应区分不同数据。首先，获取图像的SURF向量集合；然后 ，分维度计算SURF向量集合的一 阶中心绝对矩、带权一阶中心绝对矩等统计特征，并构建特征向量；最后，结合支持向量机 (SVM)进行图像分类。在 Corel1K图像库上的实验结果表明，该方法查准率较SURF直方图方法和三通道Gabor纹理特征方法分别提高17．6％ 和5．4％。通过与HSV直方图特征进行高级特征融合，可获得 良好的分类性能。与SURF直方图结合HSV直方图方 法、三通道 Gabor纹理特征结合HSV直方图方法、基于视觉词袋(BoVW)模型的多示例学习方法相比，查准率分别提 高了5．2％，6．8％，3．2％。 关键词：快速鲁棒特征 ；图像分类；统计特征；随机变量；支持向量机 中图分类号：TP18；TP391 文献标志码 ：A Imageclassificationapproachbasedonstatisticalfeaturesofspeeduprobustfeatureset WANG Shu ‘．LYU Xueqiang。．ZHANG Kai。LIZhuo (1．Re,rigKeyLaboratoryoflnternetC~traeandDi~tdDisseminationResearch，BdjingInformatoinScienceandTechnologyUniversity,8e~ng1130101，C~na； 2．MunicipalTransportationOperatoins C~rdinatmnCenter, BeijingChaoyangDistrictMunicipalCommsisoinofCtiyAdminsitrationand Environment，Beijing100021，China) Abstract：ThecurrentmethodofimageclassificationwhichusestheSpeedUpRobustFeature(SURF)islow in efficiencyandaccuracy．Toovercometheseshortages，thispaperproposedanapproachforimageclassificationwhichusesthe statisticalfeaturesoftheSURF set．Thisapproachtook alldimensionsandscaleinformation oftheSURF asindependent random variables，andsplitthedatawiththesignofLaplaceresponse．Firstly，theSURFvectorset